Đề thi, bài tập trắc nghiệm online Các công cụ trực quan hóa dữ liệu – Đề 14

Biểu đồ tần suất (Histogram) được thiết kế đặc biệt để hiển thị sự phân bố tần suất của dữ liệu liên tục bằng cách chia dữ liệu thành các khoảng (bins) và đếm số lượng điểm dữ liệu trong mỗi khoảng. Biểu đồ hộp tóm tắt phân bố nhưng không trực tiếp hiển thị tần suất, biểu đồ đường cho xu hướng, biểu đồ vùng nhấn mạnh diện tích dưới đường.

Power BI của Microsoft được thiết kế để tạo báo cáo và bảng điều khiển tương tác, có khả năng chia sẻ trực tuyến và nhúng vào website, phục vụ nhu cầu báo cáo và theo dõi hiệu suất doanh nghiệp. PowerPoint để trình bày tĩnh, Illustrator và GIMP là phần mềm đồ họa không chuyên về trực quan hóa dữ liệu.

Biểu đồ tròn hoạt động kém hiệu quả khi có quá nhiều danh mục vì các phần nhỏ trở nên khó phân biệt và đọc. Khi có nhiều danh mục, biểu đồ cột hoặc biểu đồ thanh ngang sẽ thường rõ ràng hơn. Biểu đồ tròn phù hợp để thể hiện tỷ lệ phần trăm và có thể dùng khi giá trị khác nhau, nhưng số lượng danh mục ít vẫn quan trọng.

Biểu đồ phân tán (Scatter plot) được thiết kế để khám phá mối quan hệ giữa hai biến số liên tục. Mỗi điểm trên biểu đồ đại diện cho một quan sát, với vị trí được xác định bởi giá trị của hai biến số. Biểu đồ phân tán giúp nhận diện các dạng quan hệ như tương quan tuyến tính, phi tuyến tính, hoặc không có tương quan giữa hai biến.

Google Data Studio (nay là Looker Studio) là dịch vụ đám mây của Google chuyên về trực quan hóa dữ liệu và tạo báo cáo, bảng điều khiển tương tác. Nó có khả năng kết nối với nhiều nguồn dữ liệu khác nhau từ hệ sinh thái Google và bên ngoài. Sheets là bảng tính, Slides để trình bày, Forms để thu thập dữ liệu.

'Pre-attentive processing' là khả năng của hệ thống thị giác con người để xử lý một số thuộc tính thị giác cơ bản như màu sắc, hình dạng, kích thước, và vị trí một cách nhanh chóng và tự động, trước khi nhận thức có ý thức. Các nhà thiết kế trực quan hóa dữ liệu tận dụng điều này để làm nổi bật thông tin quan trọng và thu hút sự chú ý của người xem một cách hiệu quả.

Matplotlib là thư viện vẽ đồ thị 2D cơ bản và lâu đời nhất trong Python, được coi là nền tảng cho nhiều thư viện trực quan hóa dữ liệu khác như Seaborn và Pandas. Seaborn xây dựng trên Matplotlib để tạo đồ thị thống kê phức tạp hơn, Plotly và Bokeh tập trung vào đồ thị tương tác.

Cắt cụt trục tung (truncated y-axis), tức là không bắt đầu trục tung từ 0, có thể phóng đại sự khác biệt nhỏ và tạo ấn tượng sai lệch về mức độ thay đổi hoặc so sánh giữa các giá trị. Đây là một lỗi nghiêm trọng có thể dẫn đến hiểu sai thông tin. Các lỗi khác ảnh hưởng đến tính thẩm mỹ và dễ đọc, nhưng cắt cụt trục tung trực tiếp làm sai lệch thông tin.

ggplot2 là một thư viện trực quan hóa dữ liệu phổ biến trong ngôn ngữ R, không phải Python. Seaborn, Plotly, và Bokeh đều là các thư viện trực quan hóa dữ liệu được sử dụng rộng rãi trong Python, cung cấp nhiều loại biểu đồ và tính năng tương tác.

Một trực quan hóa dữ liệu hiệu quả cần sự rõ ràng và tập trung. Việc làm cho biểu đồ quá phức tạp với quá nhiều thông tin có thể gây rối mắt và khó hiểu, làm giảm khả năng truyền đạt thông điệp chính. Nên ưu tiên sự đơn giản, rõ ràng và chỉ tập trung vào thông tin quan trọng nhất. Các lựa chọn khác đều là các nguyên tắc thiết kế trực quan hóa dữ liệu tốt.

Biểu đồ hộp (Box plot) được thiết kế để tóm tắt và hiển thị phân bố của dữ liệu, bao gồm trung vị, tứ phân vị, và phạm vi. Nó cũng đặc biệt hữu ích trong việc xác định các giá trị ngoại lệ (outliers) nằm ngoài phạm vi phân bố chính của dữ liệu. Các loại biểu đồ khác không tập trung vào việc hiển thị phân bố và ngoại lệ như biểu đồ hộp.

Biểu đồ hộp song song (Side-by-side box plot) là lựa chọn lý tưởng để so sánh phân bố của cùng một biến số giữa các nhóm khác nhau. Nó cho phép so sánh trực quan trung vị, tứ phân vị, phạm vi và sự xuất hiện của ngoại lệ giữa các nhóm. Biểu đồ đường và cột không tập trung vào so sánh phân bố, biểu đồ tròn không phù hợp cho so sánh phân bố giữa nhóm.

Số lượng tính năng phức tạp không nên là ưu tiên hàng đầu. Quan trọng hơn là công cụ có đáp ứng được nhu cầu cụ thể về trực quan hóa dữ liệu hay không, có dễ sử dụng, kết nối được với nguồn dữ liệu và hỗ trợ các loại biểu đồ cần thiết. Quá nhiều tính năng phức tạp có thể làm công cụ trở nên khó học và sử dụng không hiệu quả.

Các nguyên tắc Gestalt trong nhận thức thị giác (ví dụ: gần gũi, tương đồng, liên tục, khép kín, kết nối) được áp dụng trong trực quan hóa dữ liệu để thiết kế biểu đồ sao cho người xem có thể dễ dàng nhận thức và hiểu thông tin một cách trực quan và hiệu quả hơn. Các nguyên tắc này giúp tổ chức các yếu tố thị giác để tạo ra cấu trúc và ý nghĩa rõ ràng.

'Small multiples' là kỹ thuật sử dụng nhiều phiên bản nhỏ của cùng một loại biểu đồ, mỗi biểu đồ hiển thị dữ liệu cho một phân nhóm khác nhau. Lợi ích chính là giúp người xem dễ dàng so sánh các mẫu và xu hướng giữa các phân nhóm dữ liệu khác nhau một cách trực quan và hiệu quả. Nó không nhằm mục đích làm đẹp hay giảm số lượng biểu đồ, mà là tối ưu hóa khả năng so sánh và phân tích.

Biểu đồ cột chồng (Stacked bar chart) là lựa chọn phù hợp để so sánh thành phần phần trăm của các danh mục trong nhiều nhóm. Mỗi cột đại diện cho một nhóm, và các phần trong cột thể hiện tỷ lệ phần trăm của từng danh mục trong nhóm đó. Biểu đồ đường xếp chồng thể hiện tổng giá trị theo thời gian, biểu đồ phân tán cho mối quan hệ, biểu đồ hộp cho phân bố.

ggplot2 là một thư viện trực quan hóa dữ liệu mạnh mẽ trong ngôn ngữ R, nổi tiếng với việc triển khai 'grammar of graphics' (ngữ pháp đồ họa). 'Ngữ pháp đồ họa' cho phép người dùng xây dựng các biểu đồ phức tạp bằng cách kết hợp các thành phần đồ họa một cách logic và linh hoạt. Matplotlib và Seaborn là thư viện Python, Plotly hỗ trợ cả Python và R nhưng ggplot2 đặc trưng cho R và 'grammar of graphics'.

Biểu đồ cột (Bar chart) là lựa chọn tốt nhất để so sánh giá trị giữa các danh mục riêng biệt. Biểu đồ đường thể hiện xu hướng theo thời gian, biểu đồ tròn thể hiện tỷ lệ phần trăm của một tổng thể, và biểu đồ phân tán thể hiện mối quan hệ giữa hai biến số.

Tableau nổi tiếng với khả năng tạo trực quan hóa dữ liệu tương tác mạnh mẽ, đặc biệt phù hợp cho phân tích doanh nghiệp và khám phá dữ liệu chuyên sâu. Excel và Google Sheets chủ yếu là bảng tính, Matplotlib là thư viện Python cho trực quan hóa tĩnh.

D3.js (Data-Driven Documents) là một thư viện JavaScript mạnh mẽ và linh hoạt, được sử dụng rộng rãi để tạo ra các trực quan hóa dữ liệu tương tác và tùy biến cao trên web. Matplotlib và Seaborn là thư viện Python, ggplot2 là thư viện R.

Ưu điểm lớn nhất của trực quan hóa tương tác là khả năng cho phép người dùng chủ động khám phá dữ liệu. Người dùng có thể lọc, phóng to, thu nhỏ, xoay, và tương tác với biểu đồ để tìm hiểu sâu hơn về dữ liệu, khám phá các mẫu và xu hướng mà trực quan hóa tĩnh có thể bỏ lỡ. Tính thẩm mỹ và độ dễ tạo không phải là ưu điểm chính, và độ chính xác không phụ thuộc vào tính tương tác.

'Data storytelling' không chỉ là trực quan hóa dữ liệu, mà là sử dụng trực quan hóa như một phương tiện để kể một câu chuyện hấp dẫn và có ý nghĩa từ dữ liệu. Nó bao gồm việc lựa chọn dữ liệu, thiết kế trực quan hóa và xây dựng một lời giải thích mạch lạc để truyền đạt thông điệp hoặc khám phá quan trọng một cách hiệu quả.

ParaView là một công cụ mã nguồn mở mạnh mẽ chuyên dụng cho trực quan hóa dữ liệu khoa học, đặc biệt phù hợp với dữ liệu 3D và phức tạp thường gặp trong các lĩnh vực khoa học và kỹ thuật. Excel, Tableau và Google Sheets chủ yếu hướng đến trực quan hóa dữ liệu kinh doanh và phân tích thông thường, không mạnh về dữ liệu khoa học 3D.

Tableau và các thư viện Python (Seaborn, Matplotlib) đều cung cấp khả năng tạo bản đồ nhiệt (heatmap) mạnh mẽ. Heatmap sử dụng màu sắc để biểu diễn mật độ hoặc giá trị của dữ liệu trong một ma trận hoặc trên bản đồ địa lý. Word, Docs và Photoshop không phải là công cụ chuyên dụng cho trực quan hóa dữ liệu dạng heatmap.

'Chart junk' là thuật ngữ chỉ các yếu tố trang trí thừa thãi, không cần thiết trong biểu đồ, thậm chí làm phân tán sự tập trung và cản trở việc người xem hiểu thông tin. Mục tiêu của trực quan hóa là truyền đạt thông tin một cách rõ ràng và hiệu quả, không phải để trang trí vô ích.

Nguyên tắc 'Less is more' trong thiết kế dashboard nhấn mạnh sự đơn giản và hiệu quả. Mục tiêu là truyền đạt thông tin cốt lõi một cách dễ hiểu nhất, tránh sự lộn xộn và quá tải thông tin. Điều này không chỉ đơn thuần là giảm màu sắc hoặc loại biểu đồ, mà là tối ưu hóa mọi yếu tố thiết kế để phục vụ mục tiêu truyền tải thông tin quan trọng nhất.

Biểu đồ đường (Line chart) là lựa chọn tối ưu để hiển thị xu hướng và sự thay đổi của dữ liệu theo thời gian. Trục x thường biểu diễn thời gian, và trục y biểu diễn giá trị của biến số. Biểu đồ đường giúp dễ dàng nhận thấy các xu hướng tăng, giảm, hoặc dao động theo thời gian. Các loại biểu đồ khác không tập trung vào việc thể hiện sự thay đổi theo thời gian một cách trực quan như biểu đồ đường.

Biểu đồ vùng (Area chart) thích hợp nhất khi muốn nhấn mạnh tổng giá trị tích lũy theo thời gian. Vùng diện tích dưới đường biểu diễn tổng giá trị, giúp người xem dễ dàng nhận thấy sự thay đổi của tổng thể theo thời gian. Biểu đồ cột phù hợp cho so sánh giá trị riêng lẻ, biểu đồ phân tán cho mối quan hệ, biểu đồ hộp cho phân bố.

Thang màu trong trực quan hóa dữ liệu là một công cụ mạnh mẽ để mã hóa thông tin bổ sung. Bằng cách gán màu sắc khác nhau cho các giá trị khác nhau của một biến số, chúng ta có thể thêm một chiều dữ liệu thứ ba (hoặc thậm chí thứ tư) vào biểu đồ 2D, giúp truyền tải thông tin phong phú hơn. Màu sắc không chỉ để trang trí; nó là một kênh thông tin quan trọng.

'Affordance' trong thiết kế trực quan hóa dữ liệu chỉ các dấu hiệu trực quan hoặc thuộc tính thiết kế của biểu đồ gợi ý cho người dùng biết cách họ có thể tương tác với nó. Ví dụ, nút bấm có hình dạng và hiệu ứng gợi ý rằng nó có thể được nhấn, hoặc màu sắc và hình dạng của một phần tử biểu đồ có thể gợi ý rằng nó có thể được chọn hoặc kéo.